农村金融扶贫效果分析 ——基于我国26个省级面板数据的实证研究

陈 钦，林秋斌

(福州外语外贸学院 财金学院， 福建 福州 350202)

一、引 言

2017年中央一号文件强调在推进农业供给侧结构性改革的基础上，要强化涉农资金的使用效率，加快农村金融的创新和改革，进一步增强金融资金支持的精准意识和绩效观念。扶贫脱困是实现百年奋斗目标的关键。按照2010年新确定的贫困标准测算，2010年我国共有16 567万农村贫困人口，贫困发生率为17.2%； 2015年底共有5575万农村贫困人口，贫困发生率为5.7%。金融是经济发展的核心，提高农民收入、实现脱贫致富需要农村金融的支持。所谓金融精准扶贫，是指以金融机构为主体，贫困对象为客体，通过提供适合贫困对象生产生活的特色信贷、保险支持等金融服务产品，满足其资金需求，以提高他们的自我发展能力，实现脱贫致富的目的。因此，金融精准扶贫是扶贫工作从“输血式”向“造血式”转变的关键，在帮助农民脱困致富的过程中发挥着不可替代的作用。

农村金融作为农村经济发展的重要支撑，为提高农业效益、增加农民收入、创建绿色农村等举措注入核心资本，在实现城乡发展一体化中发挥着不可替代的作用。虽然近年来农村金融市场在逐步发展，但改革的关键在于供给体系是否优化、扶贫效率是否提高。为此，本文选取2010～2015年的相关指标数据，对农村金融支持与农民增收和农民脱贫成效的关系展开研究。通过探讨如何精准使用金融支农资金，使之与我国目前经济水平相匹配，从而实现支农政策的预期效果，可为政府和金融机构服务“三农”、探究金融精准扶贫模式提供参考。

二、文献综述

国外学者对于金融扶贫理论的研究起步较早。该理论的研究源于金融发展与经济增长的关系。纳克斯(1966)曾提出“贫困恶性循环”理论，指出由于低收入导致的低储蓄、低购买、低投资等会导致低产出，低产出进一步导致更低收入，如此反复，将陷入恶性循环，必将阻碍一国经济发展。因此，不发达国家要想走出贫困、发展经济，就需要注入资金、加大投资、增加国民储蓄，从而促进资本形成。在孟加拉国，格莱珉银行为农户提供的小额信贷、保险等金融创新服务，有效地缓解了当地的贫困状况。[1]Patrick (1966)认为在现代经济持续增长之前金融发展会刺激实体投资创新；随着现代经济的持续增长，供给推动力会越来越弱，需求追随现象逐渐呈现。因此，金融发展与经济增长的关系会随着发展阶段的不同而有所变化。[2]Acaravci 等(2009)基于24个国家的面板数据，实证研究发现人均GDP的实际增长与银行部门提供的国内信贷是相互作用的，因此金融发展可促进经济增长，经济增长可缓解贫困。[3]

自习近平主席提出精准扶贫的政策目标以来，精准扶贫的路径探索成为了社会各界高度关注的重要课题。农村金融扶贫问题也开始受到学术界的高度重视，相关的文献研究逐渐增多。关于金融发展该如何支持农民增收，国内众多学者进行了较为系统的研究，提出了许多有价值的对策建议，为政府制定服务“三农”政策提供了参考依据。贾晋和肖建(2017)认为，农村金融发展的创新模式“资金互助合作社”可以从农村内部解决融资难和融资贵的问题，有效提高农村家庭收入和贫困人口的生活质量。[4]王成利(2018)指出，农民收入的提高与金融资源的多少有着极为显著的正向关系，但是如果农民拥有的社会资源较少，则金融资源对农民家庭收入的提高效应会大大减弱。[5]

一些学者通过实证方法研究金融支持与农民收入的关系，分析金融扶贫的成效。申云和彭小兵(2016)基于大样本农户面板数据，利用双重差分法和倾向得分倍差匹配法对减贫效应进行实证检验，结果发现产业链式融资对农户的收入提高效果较好，而商业性金融机构融资模式对贫困户的收入提高效果并不明显。[6]章贵军和欧阳敏华(2018)根据江西省贫困村县的样本数据，利用倾向得分匹配法等进行分析，结果表明政策性金融扶持有利于农民家庭收入改善，具体的政策性金融扶持项目包括教育发展扶贫、易地搬迁扶贫等。[7]

还有部分学者研究贫困地区的金融扶贫模式，在总结扶贫工作经验的基础上提出了一些有针对性的政策建议。洪晓成(2016)认为金融扶贫事业在制度建设上仍然存在问题，因此需要构建多层次的农村金融扶贫体系，设立农村金融风险补偿机制，完善金融扶贫产权制度以及大力发展农村互联网金融等。[8]张骁(2018)以青海省贫困地区为研究对象，金融扶贫为切入点，结合恩施州的实际情况，通过探讨该地区金融扶贫实践成效，提出完善金融风险、加强金融体系协调配合和融智扶智等创新金融扶贫的新思路。[9]

现有文献为本文的研究奠定了宝贵的基础。但以往的研究也存在一些问题，如在变量选取过程中，大多文献只选取与金融发展相关的指标作为自变量，而较少使用控制变量。实际上，有很多因素会影响农民收入，因此在实证过程中是否选取以及如何选取合适的控制变量是非常重要的。基于此，本文的创新及拟解决的问题有：其一，使用“农业科技投入”这一新的指标作为控制变量，与金融发展指标、农村劳动力转移指标共同构成技术、资本、劳动三种投入要素，研究这三种要素如何影响农民收入，从而使模型更具全面性和实用性，得出的结论更加符合实际。其二，在我国农业供给侧结构性改革背景下，对农村金融支持与农民增收和农民脱贫成效的关系展开研究，找出存在的问题并探寻增加农民收入、实现农民脱贫致富的有效路径。

三、理论模型与方法

(一)变量选取与理论依据

生产函数理论认为，资本、劳动、技术是影响产出的三大投入要素。本文选取的资本要素为农村金融发展的规模与效率，劳动要素为农村劳动力转移，技术要素为农业技术的人力与资金投入，产出指标为农村居民家庭人均纯收入以及贫困发生率，以此研究它们之间的关系。

1.因变量。其一，农民收入指标(LnY)。用农村居民家庭人均纯收入来衡量。考虑到价格因素的影响，采用农村居民消费价格指数将收入统一调整为2010年的价格水平，以真实反映农民的收入水平和实际购买力。综合考虑数据的可比性及经济学意义，对这一变量数据取对数形式。其二，贫困发生率指标(P)。用每年农村贫困人口占总人口的比重表示。贫困发生率可以反映当前我国农村的整体贫困程度。

2.自变量。其一，农村金融发展规模指标(FS)。根据Goldsmith的金融发展理论，金融资产总量占GDP的比值为金融相关率。由于我国农村金融以存贷款业务为主，金融表现方式比较单一，赵洪丹(2011)[10]和张宏彦等(2013)[11]选用农村存贷款之和占农村GDP的比重作为衡量农村金融发展规模的指标。综合考虑我国的实际情况，本文选取农村存贷款之和占同期农村GDP的比值代表这一指标：其数值越大，说明农村金融对服务“三农”发展的贡献度越大。其二，农村金融发展效率指标(FE)。简单地说，效率即产出与投入之比；金融发展效率就是贷款与存款的比值，这一指标反映金融机构对资金的配置效率。本文选用农村贷存比率表示农村金融机构对“三农”发展的支持力度：该数值越大，表示农村存款的有效利用率越高。这一指标在一定程度上也反映了农村资金的外流程度，其数值越小，说明农村存款用于非农领域的比重越大，即资金外流程度越严重。

3.控制变量。其一，农村劳动力转移指标(LT)。用非农产业的就业人口数与农村劳动力的比重表示。这一指标反映了农村生产发展水平，比重越大表明城镇化程度越高，农村就业结构也越好。其二，农业技术人员投入指标(AT)与经费投入指标(R&D)。科技投入主要指支持科技活动开展的人力和财力投入。考虑数据的可获得性，本文采用农业专业技术人员占总专业技术人员的比重与R&D经费投入强度反映农业科技投入的状况。

(二)数据来源及说明

实证研究的样本区间为2010～2015年，变量LnY选用的数据来自各省的2016年统计年鉴；变量P选用的数据来自《中国农村贫困检测报告2016》；变量AT和R&D选用的数据来自《中国科技统计年鉴》(2011～2016)；变量FS和FE选用的数据来自《中国金融年鉴》(2011～2016)。由于《中国金融年鉴》没有统计与北京、上海、天津、重庆、西藏相关的农村金融数据，因此，实证分析基于我国26个省份的面板数据进行研究。各变量的描述性统计结果如表1所示。

表1 变量的描述性统计

(三)模型构建

在技术进步内生增长模型中，资本、劳动、技术是影响经济增长的三种主要因素，其方程式可表示为：

Q=f(K，L，A)

(1)

其中，Q为产出，K、L、A分别为资本、劳动、技术投入变量。基于此方程，本文将因变量即农民人均纯收入(LnY)和贫困发生率(P)视为产出；将自变量即农村金融发展规模(FS)与效率(FE)视为资本要素；将控制变量即农村劳动力转移(LT)视为劳动要素；将农业技术人员占比(AT)与R&D经费投入强度(R&D)视为技术要素。从而，反映农村金融发展与农民收入、农村减贫关系的生产函数为：

LnY=f(FS，FE，LT，AT，R&D)

(2)

P=f(FS，FE，LT，AT，R&D)

(3)

由于本文收集的是面板数据，因此将选用面板数据模型建立方程：

LnYit=α0i+α1iFSit+α2iFEit+α3iLTit+α4iATit+α5iR&Dit+μit

(4)

Pit=β0i+β1iFSit+β2iFEit+β3iLTit+β4iATit+β5iR&Dit+εit

(5)

其中，i=1，2……26，表示截面数即研究的26个省份；t=2010，2011……2015，表示时间长度即研究的6个年份。LnYit和Pit表示被解释变量在对应的省份i和年份t的数值；FSit，FEit，LTit，ATit，R&Dit为解释变量在对应的省份i和年份t的数值；α0i和β0i是常数项，表示不同省份i的影响；α1i，…，α5i和β1i，…，β5i是一系列待估参数，即各要素指标对应的投入产出弹性，表示各个解释变量对LnY和P的影响程度及方向；μit和εit是对应的省份i和年份t的随机干扰项。

根据参数类型的不同，面板数据模型可分为混合模型、变截距模型和变系数模型。混合模型是在随机干扰项满足古典假定的情况下，对于不同的i和t，模型的常数项和解释变量的系数均不变，可认为是普通的回归模型。变截距模型则意味着存在个体或时点效应，因此模型的截距项不同，但解释变量的系数不变；根据影响方式的不同，分为固定效应模型和随机效应模型，可通过豪斯曼检验进行选择。变系数模型意味着模型结构发生了变化，因此解释变量的截距项和系数都可能改变。

四、模型检验结果及分析

(一)面板单位根检验

为避免出现伪回归现象，在进行回归之前需要对数据进行平稳性检验，即判断各变量数据是否存在单位根，以确定估计结果的有效性。面板单位根检验的方法有多种，本文综合选用LLS、IPS、ADF-Fisher和PP-Fisher共四种检验方法，利用Eviews9.0软件对LnY、P、FS、FE、LT、AT和R&D七个变量数值进行检验，检验结果如表2所示。

表2 面板单位根检验结果

注： 1.检验形式表示常数项、趋势项和滞后阶数；2.*表示在10%的显著性水平上拒绝原假设； 3.滞后阶数是根据SIC准则确定的。

LLC为面板数据的同根检验方法，IPS、ADF-Fisher和PP-Fisher为不同根检验方法，不包含截距项的检验形式不包含IPS方法。如表2所示，原序列LnY和P均拒绝了四种检验方法的原假设，即认为是平稳的；原序列FS、FE和AT也通过了LLC、ADF-Fisher和PP-Fisher的平稳性检验。原序列LT未通过IPS的检验，但通过了其余三种检验；原序列R&D未通过IPS和ADF-Fisher的检验，但通过了LLC和PP-Fisher的检验。根据单位根检验的判断原则，如果通过了至少两种方法的平稳性检验，则可认为序列是平稳的，因此认为原序列LT和R&D是平稳的。综上，LnY、P、FS、FE、LT、AT和R&D这七个变量都是平稳的。

(二)面板协整检验

由单位根检验结果可知这些变量原序列都是平稳的，因此变量之间很可能存在协整关系。本文使用Kao检验方法判断因变量LnY、P分别与五个解释变量之间的协整关系，检验结果如表3所示。

表3 Kao面板协整检验结果

Kao检验的原假设是不存在协整关系。由检验结果可知，LnY与FS、FE、LT、AT、R&D的检验P值为0.0260，在5%水平上拒绝原假设；P与FS、FE、LT、AT、R&D的检验P值为0.0000，在1%水平上拒绝原假设；因此认为各指标变量之间存在长期稳定的均衡关系。因此，接下来使用的计量方法对回归方程进行估计，其结果应当是相对有效和精确的。

(三)农村金融支持与农民增收的实证分析

由于实证区间为2010～2015年，只有6年的数据，因此不宜使用变系数模型。样本为26个省份的数据，基本覆盖了总体的所有单位，定性分析选择固定效应模型比较合适，但定量分析还需通过统计检验确定使用何种模型。首先使用Eviews9.0软件分别得到混合模型、固定效应模型和随机效应模型的回归结果，如表4所示。

表4 农村金融支持与农民增收的不同模型效应的估计结果

注：系数括号中的数值为稳健标准误；***、**、*分别表示在1%、5%、10%的水平上显著。

根据表4的计量估计结果，混合模型的可决系数(R2)为51.48%，解释能力一般。固定效应和随机效应模型的可决系数(R2)为99.28%和96.90%，拟合优度很高，模型解释能力较强。同时，三种模型的F统计量显著，解释变量的t统计量也大部分显著，因此本文选取的解释变量有效且不需要剔除。需通过统计检验确定使用何种模型，Chow检验方法的原假设是接受混合模型；Hausman检验的原假设是接受随机效应，备择假设是接受固定效应。本文先利用Chow检验方法对样本截面和时点进行检验，结果显示拒绝使用混合回归模型。而后利用Hausman检验方法对样本截面和时点进行检验，结果显示拒绝原假设，即应当选定的模型为变截距固定效应模型。最终得到该模型的具体估计结果如表5所示。

表5 农村金融支持与农民增收的固定效应模型的估计结果

注： ***、**、*表示在1%、5%、10%的水平上显著。

首先，分析金融发展规模(FS)对农民收入的影响。由表5可知，金融发展规模扩大1%，农民收入提高0.0284%。为了促进农村经济发展，国家逐步加强对三农建设的金融支持，多元化的农村金融产品可以为广大农村提供更多的投资渠道，增加农民收入，活跃的金融市场有利于满足农民多元化的融资需求，更有助于扩大农业生产经营规模，创造更多的产业增加值。值得注意的是，该系数值很小，说明当前农村金融支持对经济增长的贡献作用尚未充分发挥出来。

其次，分析金融发展效率(FE)对农民收入的影响。具体表现为金融效率每提高1%，农民收入增加0.0448%。随着农村金融市场化程度的提高，信贷制度愈加完善，农民更易于获得信贷资金从事经济活动，有利于其收入水平的提高。据统计，2010年我国农村贷款余额为98 040亿元，2015年农村贷款余额达到216 055亿元，短短五年增长了120.37%，年均增长率达17.12%。金融支农力度的加大，促进了乡镇企业的发展壮大，农民人均可支配收入得到显著增长。

再次，分析农村劳动力转移(LT)对农民收入的影响。农村非农就业人口占农村劳动力的比重增加会促进农民增收，究其原因，现代化机械的普及大大提高了农业劳动生产率，使得多余的农业劳动力转移到其他行业；而随着越来越多的农民外出务工，农民的就业结构得以改善，促进了其收入的增加。

最后，分析科技投入(AT和R&D)对农民收入的影响。对于农业科技专业人员比重增加会抑制农民增收的检验结果，可能的解释是，从2010～2015年，农业技术人员在全部技术人员中的比重变化并不明显，因此对农民增收的作用尚未发挥出来。分析R&D经费投入强度对农民收入的正效应可知，R&D经费投入强度提高1%，农民收入增加5.5072%。这一变量对农民增收的贡献最大，说明加大R&D经费投入对于支持农村经济发展是十分必要的。

(四)农村金融支持与农村减贫关系的实证分析

在计量经济学中，Tobit回归模型因其因变量的连续性观测值受到某种限制，所得的观测值无法反映总体的实际状态，又称为受限因变量模型。由于本文以农村贫困发生率作为因变量，其取值范围介于0和1之间，若采用最小二乘法(OLS)将导致估计结果有偏和不一致。因此，本文采用Tobit模型建立回归方程，其左右两边的审查值分别设为0和1，模型基本形式为：

(6)

表6 农村金融支持与农村减贫的Tobit回归结果

注： ***、**分别表示在1%、5%的水平上显著。

如表6所示，除农业技术人员占比(AT)未通过显著性检验，其余变量均在1%或5%的显著性水平上拒绝了原假设，说明这些因素对缓解农村贫困有比较明显的作用。

金融发展规模(FS)和效率(FE)与农村贫困发生率负相关，说明金融发展对缓解贫困有显著的促进作用。我国连续多年聚焦三农的中央一号文件，在一定程度上提高了金融机构的支农支出，表现为金融发展规模的扩大和效率的提高。随着政策的支持和金融支农力度的加大，支农资金从低效率的地区流向高配置的地区，农民收入得到显著增长，贫困人口也在逐渐减少。

农村劳动力转移(LT)与农村贫困发生率负相关，说明农民就业结构的改善对缓解贫困有显著的促进作用。LT是反映农村生产发展水平的重要指标，该数值越大说明农村城镇化程度越高，生产要素的配置效率越高，农村就业结构也就越好。随着农村就业结构的改善，农民收入增加，贫困发生率也就减少了。R&D经费投入强度(R&D)与农村贫困发生率负相关，说明农业科技投入的增加对缓解贫困发挥了积极作用。农村经济的发展离不开农业技术的支持，加大农业科技投入力度，有利于帮助农户增加经营产出，进而摆脱贫困，逐步走向富裕。

五、结 论

本文基于2010～2015年中国26个省份的面板数据，在单位根检验、Kao协整检验的基础上分别建立固定效应模型和Tobit回归模型，研究农村金融支持与农民增收和农村脱贫的关系。实证结果发现：一方面随着金融发展规模扩大，农民收入显著增加，贫困发生率随之显著减少；另一方面随着金融利用效率的提高，农民收入也显著增加，贫困发生率同样显著减少。同时，随着政策的支持和金融支农力度的加大，支农资金从低效率的地区流向高配置的地区，农民收入得到显著增长，贫困人口也在逐渐减少。但值得注意的是，农村金融服务“三农”的作用尚未充分发挥。就控制变量而言，农民就业结构的改善和R&D经费投入强度提高均积极促进了农民收入增加，其中研发经费的投入对农民增收和减贫的贡献更为显著，说明加大科研经费投入，是促进农村经济发展的重要途径。

上述研究为当前精准扶贫战略深入实施提供了一定的经验和参考价值。为了提高精准扶贫的准确性和有效性，可以从以下几个方面加强工作：一是进一步发展普惠金融，增加信贷产品，扩大农村金融发展规模，普及农村金融知识；二是加强金融产品创新，不断优化金融服务，提高金融发展效率，鼓励农户克服不愿或不敢向正规金融机构借贷的心理障碍，引导农户积极主动寻求商业银行信贷服务；三是不断拓展农村居民的非农就业渠道，打造农村居民增收平台，将互联网和非农就业相结合，最大限度使扶贫资源在社会资源配置中发挥优化和集成作用；四是加快创新精准扶贫的渠道和手段，全力推进科教兴农战略，强化农村贫困地区农业科技人员的技能培训，提高农业科研技术人员素质，提高贫困地区农业科技造血水平。